Zhipu AI, BAAI ja AISI rakentavat Kiinan seuraavaa tekoälyekosysteemiä

Tekninen itsenäisyys tarkoittaa tässä yhteydessä paljon muutakin kuin mallipainojen omistamista. Tarvitaan myös koulutus- ja päättelyjärjestelmiä, datan käsittelyn putkia, jälkikoulutuksen menetelmiä, agenttikehyksiä, kehittäjäjakelua ja luotettavaa pääsyä laskentatehoon. Mallista tulee strategisesti kestävämpi, kun sen ympärille syntyy ekosysteemi näille eri kerroksille.

BAAI: avoimen tutkimuksen silta ruumiillistuneeseen tekoälyyn

BAAI on edennyt WuDao-perusmallien kehittämisestä kohti WuJie-malliperhettä, johon kuuluu monimodaalista, maailmanmalleihin ja ruumiillistuneeseen tekoälyyn liittyvää tutkimusta. Viimeaikaisten konferenssiraporttien mukaan WuJie·Physis on fyysisen latenttitilan maailmanmalli ja WuJie·RoboBrain Orca kehitteillä oleva ruumiillistunut järjestelmä, joka yhdistää kielellisen päättelyn, visuaalisen ennustamisen ja toimintapäätökset.

Suunta on tärkeä, koska fyysisessä maailmassa toimiminen vaatii taitoja, joita tekstipohjainen malli ei yksinään tarjoa. Robotin on havainnoitava ympäristöään, ennustettava tapahtumia, suunniteltava toimintaansa ja selviydyttävä muuttuvista fyysisistä olosuhteista. Maailmanmallit ja ruumiillistuneet järjestelmät pyrkivät kuvaamaan näitä ympäristöjä ja toimimaan niissä – eivät vain selittämään niitä tekstinä.

BAAI:n rooli on myös institutionaalinen. Sen tutkimusohjelmassa korostuvat avoimen lähdekoodin mallit, agentit, ohjelmisto- ja laitteistoekosysteemit sekä tutkimuksen ja teollisuuden välinen yhteistyö. BAAI:n vuoden 2026 konferenssissa kerrottiin, että instituutti oli julkaissut avoimesti yli 200 mallia ja että maailmanlaajuiset lataukset olivat ylittäneet miljardin. Luvut ovat konferenssin järjestäjien ilmoittamia, ja niitä on syytä pitää jakelun, ei suoraan mallien laadun mittarina.

Kiinan tekoälyekosysteemissä BAAI:n kaltaisen instituutin arvo on uudelleenkäytettävän tutkimusinfrastruktuurin ja osaamiskanavien rakentamisessa. Avoimet mallit, vertailuaineistot, työkalut ja robotiikka-alustat voivat tarjota yliopistoille, startup-yrityksille ja valmistajille yhteisen lähtökohdan jatkotyölle.

AISI: tekoälystä tieteen ja insinöörityön työskentely-ympäristö

AISI lähestyy tekoälyä eri suunnasta. Syyskuussa 2021 perustettu instituutti kertoo tehtäväkseen tekoälyn ja tieteellisen tutkimuksen yhdistämisen sekä AI for Science -infrastruktuurin rakentamisen.

Sen ”neljä palkkia ja N pilaria” -malli kokoaa yhteen mallialgoritmit ja ohjelmistot, tieteelliset tietokannat ja tietojärjestelmät, tehokkaan kokeellisen karakterisoinnin sekä integroidun laskentainfrastruktuurin. Tavoitteena on siirtää tutkimusta erillisistä, työpajamaisista prosesseista kohti yhteensopivaa alustamallia.

Bohrium on tästä alustalähestymistavasta konkreettinen esimerkki. Tutkimuspilvipalvelu yhdistää tieteellisen kirjallisuuden, tiedon, mallit, laskennan, data-analyysin ja kokeelliset työnkulut. Tavoitteena ei ole vain tuottaa tekoälyn avulla vastausta, vaan auttaa tutkijaa etenemään kysymyksestä simulaatioon, kokeeseen ja uuteen, validoituun dataan.

Suljettu palautesilmukka on erityisen tärkeä materiaali- ja molekyylitieteissä. DPA4:n kaltaiset suuret atomimallit voivat tukea materiaalien löytämistä ja simulaatioita. Niiden käytännön arvo kasvaa, kun mallin ennusteet voidaan testata kokeellisesti ja havainnot syöttää takaisin tulevien mallien kehittämiseen. Vuonna 2026 julkaistun raportin mukaan DPA4-päivitys sijoittui kansainvälisen materiaalien löytämisen vertailutaulukon kokonaismittareissa ensimmäiseksi, mutta pelkkä vertailutulos ei vielä osoita todellista tieteellistä vaikutusta.

AISIin yhdistetty rakettimoottorityö tarjoaa konkreettisemman esimerkin fyysisestä validoinnista. Raporttien mukaan työnkulku kattaa generatiivisen suunnittelun, palamissimulaation, metallin lisäävän valmistuksen, automaattiset mittaus- ja ohjausjärjestelmät sekä testauksen. Pienennetyn demonstraattorin kerrotaan läpäisseen suljetun palautesilmukan validoinnin. Tällaiset hankkeet ovat merkittäviä, koska ne sitovat tekoälyn tuotokset insinööritieteiden reunaehtoihin ja fyysisiin testeihin eivätkä jätä arviointia pelkän ohjelmistomittarin varaan.

Miksi ekosysteemi on tärkeämpi kuin yksi hittimalli?

Mallien kärkipaikat vaihtuvat nopeasti

Mallien sijoitukset ja tuote-edut voivat muuttua nopeasti. Kehittäjäyhteisöt, tieteelliset aineistot, kokeelliset tilat, standardit ja käyttöönotosta kertynyt kokemus puolestaan karttuvat usein vuosien aikana. Ne tekevät tulevista malliparannuksista hyödyllisempiä ja vähentävät riippuvuutta yksittäisestä julkaisusta.

Eri alat tarvitsevat erilaista älykkyyttä

Ohjelmointiagentti, robotin ohjausjärjestelmä, molekyylisimulaattori ja tieteellisen kirjallisuuden analyysijärjestelmä ratkaisevat eri ongelmaa. Siksi kansallinen tai teollinen tekoälystrategia hyötyy erikoistuneista malleista ja yhteisestä infrastruktuurista enemmän kuin yhdestä yleismallista, jonka odotetaan tekevän kaiken.

Avoin tutkimus laajentaa innovaatiopohjaa

Avoimet painot, työkalut, vertailuaineistot ja alustat antavat tutkijoille ja yrityksille mahdollisuuden testata, muokata ja laajentaa toistensa työtä. BAAI voi tukea tätä kerrosta avoimen tutkimuksen kautta, kun taas Zhipu AI:n kaltaiset kaupalliset yritykset muuttavat kyvykkyyksiä tuotteiksi ja liikevaihdoksi.

Tieteellinen validointi synnyttää vahvemman palautesilmukan

AI for Science -järjestelmien arvokkaimpia ominaisuuksia voi olla ennusteiden yhdistäminen simulaatioihin, kokeisiin ja mittauksiin. Jokainen validoitu tulos voi parantaa seuraavassa kierrossa käytettäviä aineistoja ja malleja. Vaatimus on kovempi kuin uskottavan vastauksen tuottaminen, mutta samalla polku teolliseen hyötyyn on selkeämpi.

Itsenäisyys on pino, ei iskulause

Häiriöitä kestävä tekoälykehitys edellyttää kyvykkyyksiä algoritmeissa, ohjelmistoissa, datassa, laskentatehossa, osaamisessa, työkaluissa ja käyttöönotossa. Näiden kerrosten hajauttaminen voi vähentää riippuvuutta yhdestä toimittajasta tai teknisestä lähestymistavasta. Samalla ekosysteemi kestää paremmin tilanteen, jossa jokin malli alisuoriutuu tai ulkoiset rajoitteet muuttuvat.

Strateginen kokonaiskuva

Zhipu AI, BAAI ja AISI sijoittuvat eri kohtiin samaa kehittyvää järjestelmää:

• Zhipu AI tuo kaupallista vauhtia yleiskäyttöisillä malleilla, ohjelmointijärjestelmillä, agenteilla ja kehittäjätuotteilla.
• BAAI tuo avoimen tutkimuksen, osaajaverkostot, perusmallit ja väylän kohti monimodaalista sekä ruumiillistunutta tekoälyä.
• AISI tuo tieteellisen infrastruktuurin, joka yhdistää mallit tietoon, laskentaan, kokeisiin ja insinööritieteelliseen validointiin.

Niiden merkitys on siis toisiaan täydentävä, ei päällekkäinen. Zhipu AI osoittaa, miten huippumalleista voidaan tehdä alustoja. BAAI osoittaa, miten avoin tutkimus voi levittää kyvykkyyksiä laajemman yhteisön käyttöön. AISI puolestaan näyttää, miten tekoäly voidaan upottaa työnkulkuihin, joissa onnistumista mitataan materiaalilla, kokeella tai toimivalla teknisellä järjestelmällä.

Vahvin tulkinta Kiinan tekoälyn seuraavasta vaiheesta ei ole, että yksi malli olisi ratkaissut maailmanlaajuisen kilpailun. Pikemminkin kilpailuetu voi syntyä alkuperäistä tutkimusta tekevien keskusten, kaupallisten alustojen, teknisen omavaraisuuden ja monialaisten sovellusten yhdistämisestä avoimeksi ja yhteistyöhön perustuvaksi teolliseksi ekosysteemiksi.